用于两阶段龋齿检测与分类的全景X线影像数据集
该数据集包含1,427张去标识化的数字全景X线影像（OPG），用于两阶段龋齿检测与分类人工智能模型的开发与评估。数据集提供3,002个龋齿区域和3,447个非龋齿区域的YOLO格式边界框标注，影像经CLAHE、双边滤波和非锐化掩模预处理，标注由三名牙科专业人员独立完成并经专家共识确定（来源 Mend
基本信息
资源简介
用于两阶段龋齿检测与分类的全景X线影像数据集
A Dataset of Panoramic Radiographs for Two-Stage Dental Caries Detection and Classification
该数据集包含1,427张去标识化的数字全景X线影像（OPG），用于两阶段龋齿检测与分类人工智能模型的开发与评估。影像回顾性采集自孟加拉国Chattogram的Chevron Clinical Laboratory (Pte.) Ltd.牙科放射科，并获机构伦理批准。数据集提供3,002个龋齿区域和3,447个非龋齿区域的YOLO格式边界框标注，影像经CLAHE、双边滤波和非锐化掩模预处理，标注由三名牙科专业人员独立完成并经专家共识确定（来源 Mendeley Data）。
【数据集背景】
源站首次发布：2026-07-21。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集包含1,427张去标识化的数字全景X线影像（orthopantomograms，OPG），用于开发和评估两阶段龋齿检测与分类的人工智能模型。影像在获得机构伦理批准后，回顾性采集自孟加拉国Chattogram的Chevron Clinical Laboratory (Pte.) Ltd.牙科放射科。数据集包含3,002个龋齿区域和3,447个非龋齿区域，均以YOLO格式提供边界框标注。标注前，所有影像均使用对比度受限自适应直方图均衡化（CLAHE）、双边滤波和非锐化掩模进行预处理以提升图像质量。真实标注由三名经验丰富的牙科专业人员独立创建，并经专家共识最终确定，达到Fleiss' kappa系数
【数据结构与技术规格】
文件数 1 个，合计 70.11 MB。数据集 DOI：10.17632/khjmx8dyn6.1。
【主题与分类】
主题标签：口腔疾病、龋齿检测、全景X线影像、目标检测、图像分类、YOLO标注。本站分类：口腔疾病。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/khjmx8dyn6
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://data.mendeley.com/datasets/khjmx8dyn6
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据集大小约 70.1 MB。
数据说明
Tafhinul Hossain Shahim (2026). A Dataset of Panoramic Radiographs for Two-Stage Dental Caries Detection and Classification [Dataset]. http://doi.org/10.17632/khjmx8dyn6.1
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
